regex - 清理数据框中的基因名称

Question

我有一个如下所示的 R 数据框:

       Gene Symbol       Prom 1       Prom 2    Prom 3
 1 Gm16088  // Gm16088    7.168819  7.410547  7.634662
 2             Gm26206    7.006416  6.824151  6.941721
 3   Gm1992  // Gm1992    6.750240  6.591182  6.479798
 4             Gm10568    4.390371  4.496734  4.672061
 5             Gm22307   13.196217 13.157953 13.601210
 6 Gm16041  // Gm16041    5.146015  5.450036  5.388205
 7 Gm17101  // Gm17101    6.434086  6.752058  6.603427

在基因符号列中，我有一些基因符号在数据帧的同一单元格内重复多次。在某些行中，基因符号重复了一百次。有没有办法解决这个问题，以便有这样的行:

Gene Symbol       Prom 1       Prom 2    Prom 3
 1 Gm16088       7.168819  7.410547  7.634662

不要像这样:

Gene Symbol       Prom 1       Prom 2    Prom 3
 1 Gm16088  // Gm16088    7.168819  7.410547  7.634662

Answer 1

您可以尝试使用gsub():

x <- "Gm16088  // Gm16088"

> gsub("\\s*//.*", "", x)
[1] "Gm16088"

在您的实际代码中，您可以将 x 替换为:

df$`Gene Symbol`

其中df是数据框的名称。